基于Benders分解的混合量子-经典端到端MILP求解管道：车辆路径问题案例研究
量子物理
2026-07-29 v1
摘要
我们展示了一个基于Benders分解的端到端混合量子-经典优化框架，能够求解混合整数线性规划（MILP）问题。该框架建立在先前基于多重解（MCMS）Benders分解的混合量子-经典端到端管道的基础上，其中切割选择步骤在量子退火硬件上执行。我们通过张量网络模拟器和超导量子硬件上的门基QAOA实现进行了扩展。车辆路径问题（VRP）作为代表性案例研究，我们端到端地在10个排列上运行该管道（来自QOptLib的标准基准实例，包含20个客户和4辆车），其中经典求解器执行切割选择步骤。我们发现，对于我们的实例，经典MCMS Benders分解中只有一小部分计算花在切割选择步骤上。对于完整的端到端评估，我们运行了具有MPS-JuliQAOA的玩具问题，其中QAOA由强大的张量网络模拟器执行。在这里，切割选择步骤占主导地位，使得该框架在相同大小问题上的量子优势不太可能。这凸显了当更强大的（QPU）QUBO求解器可用时，需要更多的大规模基准测试研究。
引用
@article{arxiv.2607.26771,
title = {Hybrid quantum-classical end-to-end pipeline for solving MILPs: a vehicle routing case study},
author = {Camille de Valk and Koen Reerink and Siert Sebus and Sébastian de Bon},
journal= {arXiv preprint arXiv:2607.26771},
year = {2026}
}